การวิเคราะห์

AWS Glue

ค้นพบ จัดเตรียม และรวมข้อมูลทั้งหมดของคุณในทุกขนาด

เริ่มต้นใช้งาน AWS Glue

ติดต่อกับผู้เชี่ยวชาญของ AWS Glue

จัดเก็บ 1 ล้านอ็อบเจกต์ฟรี

ด้วย AWS Free Tier

สร้างและจัดการไปป์ไลน์ข้อมูลที่ทันสมัยด้วยบริการการผสานรวมข้อมูลเดียว

รักษาต้นทุนให้ต่ำเข้าไว้ และให้ความสำคัญกับข้อมูลของคุณมากขึ้นในทุกขนาดด้วยการผสานรวมข้อมูลแบบไม่ต้องใช้เซิร์ฟเวอร์

ใช้วิธีการที่คุณชื่นชอบดังนี้ ลากและวาง เขียนโค้ด หรือเชื่อมต่อโดยใช้โน๊ตบุ๊กของคุณ

รองรับวิธีการประมวลผลข้อมูลและเวิร์กโหลดต่างๆ รวมถึง ETL, ELT, แบตช์ และการสตรีม

วิธีการทำงาน

AWS Glue คือบริการผสานรวมข้อมูลแบบไม่ต้องใช้เซิร์ฟเวอร์ที่ช่วยอำนวยความสะดวกในการค้นหา จัดเตรียม ย้าย ผสานข้อมูลสำหรับการวิเคราะห์ แมชชีนเลิร์นนิง (ML) และการพัฒนาแอปพลิเคชันมากยิ่งขึ้น

ตัวเลือกเครื่องมือการผสานรวมข้อมูล
เลือกเครื่องมือการผสานรวมข้อมูลที่คุณต้องการใน AWS Glue เพื่อรองรับผู้ใช้และเวิร์กโหลดของคุณ

แผนภาพแสดงถึงวิธีที่ผู้ใช้ AWS Glue จะสามารถเลือกจากตัวเลือกอินเทอร์เฟซเพื่อสร้างเวิร์กโหลดโดยใช้เครื่องมือการผสานรวมข้อมูลหลายรายการ การแสดงผลสี่ส่วน: หนึ่งส่วนทางซ้าย สองส่วนตรงกลาง และอีกหนึ่งส่วนทางด้านขวา

ส่วนแรกทางด้านซ้ายเรียกว่า "แหล่งที่มาของข้อมูล" ซึ่งรวมถึงแหล่งที่มาของข้อมูลต่อไปนี้ "Amazon S3", "Amazon DynamoDB", "ฐานข้อมูลที่ทำงานบน Amazon EC2", "ฐานข้อมูล” และ "SaaS"

จากส่วนแรก จะมีลูกศรชี้ไปที่ส่วนตรงกลางที่ด้านบนสุดของแผนภาพซึ่งเรียกว่า "ทางเลือกของอินเทอร์เฟซ" มีรายการที่รวมอยู่ในส่วนที่ 2 นี้อยู่สามรายการ ได้แก่ "AWS Glue Studio", "โน๊ตบุ๊ค Amazon SageMaker" และ "โน๊ตบุ๊คและ IDE"

ใต้ส่วนที่สองนี้มีข้อความที่ระบุว่า "อินเทอร์เฟซแบบเปิดรองรับเวิร์กโหลดเชิงโต้ตอบและงาน" ข้อความนี้มีลูกศรชี้ไปยังส่วนที่สองที่อธิบายไว้ก่อนหน้านี้ที่ด้านบน และลูกศรชี้ไปยังส่วนที่สามด้านล่าง

ส่วนที่สามนี้เรียกว่า "เครื่องมือการรวมข้อมูล" ข้อความระบุว่า "เลือกเครื่องมือประมวลผลข้อมูลที่ปรับขนาดได้แบบไม่ต้องใช้เซิร์ฟเวอร์ที่ต้องการด้วยการปรับขนาดอัตโนมัติและการกำหนดค่าบริการตามการใช้งานจริง" ส่วนนี้ประกอบไปด้วยชื่อเครื่องยนต์สามชื่อ ได้แก่ "AWS Glue สำหรับ Ray", "AWS Glue สำหรับ Python Shell" และ "AWS Glue สำหรับ Apache Spark"

ส่วนที่สี่จะปรากฏทางด้านขวาของส่วนที่สองโดยมีลูกศรชี้จากส่วนที่สองไปยังส่วนที่สี่ ส่วนที่สี่ระบุไว้ว่า "สร้างและโหลดข้อมูลลงใน Data Lake และคลังข้อมูล" นอกจากนี้ ส่วนนี้ยังรวมถึงรายการอีกสามรายการ ได้แก่ "Amazon Redshift", "Data Lake" และ "คลังข้อมูล"

คลิกเพื่อขยาย
ETL เชิงเหตุการณ์
AWS Glue สามารถเรียกใช้งานกระบวนการ Extract, Transform and Load (ETL) ของคุณได้เมื่อมีข้อมูลใหม่เข้ามา ตัวอย่างเช่น คุณสามารถกำหนดค่า AWS Glue เพื่อเริ่มงาน ETL ของคุณเพื่อเรียกใช้ทันทีที่มีข้อมูลใหม่ใน Amazon Simple Storage Service (S3)
แค็ตตาล็อกข้อมูลของ AWS Glue
คุณสามารถใช้ Data Catalog เพื่อสำรวจและค้นหาจากชุดข้อมูล AWS หลายชุดได้โดยไม่จำเป็นต้องย้ายข้อมูล เมื่อข้อมูลได้รับการจัดรายการแล้ว จะสามารถค้นหาและสืบค้นได้ทันทีโดยใช้ Amazon Athena Amazon EMR และ Amazon Redshift Spectrum
งาน ETL ที่ไม่มีโค้ด
AWS Glue Studio ช่วยให้คุณสามารถสร้าง เรียกใช้ และตรวจสอบงาน AWS Glue ETL ได้อย่างง่ายดาย คุณสามารถสร้างงาน ETL ที่จะย้ายและแปลงข้อมูลโดยใช้โปรแกรมแก้ไขแบบลากและปล่อย แล้ว AWS Glue จะสร้างโค้ดขึ้นมาโดยอัตโนมัติ
จัดการและตรวจสอบคุณภาพข้อมูล
คุณภาพข้อมูลของ AWS Glue ทำให้การสร้างกฎคุณภาพของข้อมูล การจัดการ และการตรวจสอบเป็นไปอย่างอัตโนมัติ เพื่อช่วยให้มั่นใจว่าข้อมูลจะมีคุณภาพสูงทั่วทั้ง Data Lake และไปป์ไลน์ของคุณ

แผนภาพแสดงถึงวิธีที่สามารถใช้คุณภาพข้อมูลของ AWS Glue เพื่อสร้างคำแนะนำกฎ ตรวจสอบคุณภาพข้อมูล และส่งการแจ้งเตือนเมื่อคุณภาพของข้อมูลเสื่อมสภาพ สามส่วนแสดงจากซ้ายไปขวา

ส่วนแรกมีภาพประกอบของแค็ตตาล็อกข้อมูลของ AWS Glue และ AWS Glue ETL ภายใต้แค็ตตาล็อกข้อมูลของ AWS Glue จะมีข้อความระบุว่า "จัดทำรายการชุดข้อมูลทั้งหมดใน Data Lake ของคุณ" ภายใต้ AWS Glue ETL จะมีข้อความระบุว่า "ผสานรวมและแปลงข้อมูลจากแหล่งที่มาของข้อมูลที่แตกต่างกัน"

ส่วนที่สองมีชื่อว่า "คุณภาพข้อมูลของ AWS Glue" มีสามไอคอนในส่วนนี้ อันดับแรกคือรายการตรวจสอบ มีข้อความด้านล่างระบุว่า "คำแนะนำเกี่ยวกับกฎคุณภาพข้อมูล เริ่มต้นอย่างรวดเร็วด้วยคำแนะนำกฎคุณภาพข้อมูลแบบอัตโนมัติ" ไอคอนที่สองคือดินสอ มีข้อความด้านล่างระบุว่า "กฎคุณภาพข้อมูลที่กำหนดค่าไว้ล่วงหน้า แก้ไขหรือเพิ่มคำแนะนำด้วยกฎคุณภาพข้อมูลที่กำหนดค่าไว้ล่วงหน้า" ไอคอนที่สามคือระฆัง มีข้อความด้านล่างระบุว่า "การแจ้งเตือนและการดำเนินการ เพิ่มการแจ้งเตือนและการดำเนินการเพื่อดำเนินการเมื่อคุณภาพข้อมูลแย่ลง"

ส่วนที่สามจะมีสองไอคอนซ้อนกัน ไอคอนแรกคือแผนภูมิแท่ง มีข้อความด้านล่างระบุว่า "ตัววัด ใช้ตัววัดคุณภาพข้อมูลเพื่อทำการตัดสินใจทางธุรกิจได้อย่างมั่นใจ" ไอคอนที่สองคือสัญญาณเตือน มีข้อความด้านล่างระบุว่า "การแจ้งเตือน ใช้การแจ้งเตือนเพื่อรับการแจ้งเตือนเมื่อคุณภาพลดลง และดำเนินการแก้ไขข้อมูล"

คลิกเพื่อขยาย
การเตรียมข้อมูล
ด้วย AWS Glue DataBrew คุณจะสามารถสำรวจและทดลองกับข้อมูลได้โดยตรงจาก Data Lake, คลังข้อมูล และฐานข้อมูลของคุณ ซึ่งรวมถึง Amazon S3, Amazon Redshift, AWS Lake Formation, Amazon Aurora และบริการฐานข้อมูลแบบเชิงสัมพันธ์ของ Amazon (RDS) คุณสามารถเลือกรูปแบบการแปลงข้อมูลจากการแปลงข้อมูลที่สร้างไว้ล่วงหน้ากว่า 250 แบบใน DataBrew เพื่อทำให้งานเตรียมข้อมูลเป็นไปโดยอัตโนมัติ เช่น การกรองสิ่งผิดปกติ การจัดรูปแบบข้อมูลให้เป็นแบบมาตรฐาน และการแก้ไขค่าที่ไม่ถูกต้อง

บทนำเกี่ยวกับ AWS Glue (01:54)

ทำไมต้อง AWS Glue

การเตรียมข้อมูลของคุณเพื่อให้ได้ผลลัพธ์ที่มีคุณภาพเป็นขั้นตอนแรกในโครงการวิเคราะห์หรือ ML AWS Glue เป็นบริการการรวมข้อมูลแบบไม่ต้องใช้เซิร์ฟเวอร์ที่ทำให้การเตรียมข้อมูลง่ายขึ้น เร็วขึ้น และถูกกว่า คุณสามารถค้นพบและเชื่อมต่อกับแหล่งที่มาของข้อมูลที่หลากหลายกว่า 70 แห่ง จัดการข้อมูลของคุณในแค็ตตาล็อกข้อมูลแบบรวมศูนย์ และสร้าง เรียกใช้ และตรวจสอบไปป์ไลน์ภาพ ETL เพื่อลงข้อมูลใน Data Lake ของคุณ

กรณีการใช้งาน

ปรับการพัฒนาไปป์ไลน์ ETL ให้เรียบง่าย

ลบการจัดการโครงสร้างพื้นฐานด้วยการจัดการการจัดสรรและคนงาน และรวบรวมการผสานข้อมูลของคุณที่จำเป็นสำหรับบริการเดี่ยว

เรียนรู้เพิ่มเติมเกี่ยวกับการปรับขนาด AWS Glue โดยอัตโนมัติ »

ค้นพบข้อมูลอย่างมีประสิทธิภาพ

ระบุข้อมูลข้ามหลายชุดข้อมูล AWS อย่างรวดเร็ว จากนั้นทำให้ข้อมูลนั้นพร้อมต่อคำสั่งและการแปลงสภาพ

เรียนรู้เพิ่มเติมเกี่ยวกับแค็ตตาล็อกข้อมูลของ AWS Glue »

สำรวจ ทดลอง และประมวลผลของข้อมูลแบบอินเทอร์แอคทีฟ

โดยใช้เซสชันอินเทอร์แอคทีฟ AWS Glue วิศวกรข้อมูลจะสามารถสำรวจและเตรียมข้อมูลแบบอินเทอร์แอคทีฟโดยอาศัยสภาพแวดล้อมการพัฒนาแบบผสานรวม (IDE) หรือ Notebook ที่ต้องการ

เรียนรู้เพิ่มเติมเกี่ยวกับเซสชันอินเทอร์แอคทีฟ AWS Glue »